0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
4 tayangan10 halaman
Analisis Multidimensional scaling (MDS) adalah metode untuk memetakan sejumlah obyek dalam ruang dimensi rendah berdasarkan ukuran kedekatan antar obyek. MDS dapat membantu menentukan gambaran sekumpulan obyek dengan mentransformasi tanggapan responden mengenai kemiripan objek ke dalam jarak yang direpresentasikan dalam ruang multidimensi. Dalam SPSS, MDS dilakukan melalui menu Analyze > Scale > Multidimensional Scaling dengan memilih
Analisis Multidimensional scaling (MDS) adalah metode untuk memetakan sejumlah obyek dalam ruang dimensi rendah berdasarkan ukuran kedekatan antar obyek. MDS dapat membantu menentukan gambaran sekumpulan obyek dengan mentransformasi tanggapan responden mengenai kemiripan objek ke dalam jarak yang direpresentasikan dalam ruang multidimensi. Dalam SPSS, MDS dilakukan melalui menu Analyze > Scale > Multidimensional Scaling dengan memilih
Analisis Multidimensional scaling (MDS) adalah metode untuk memetakan sejumlah obyek dalam ruang dimensi rendah berdasarkan ukuran kedekatan antar obyek. MDS dapat membantu menentukan gambaran sekumpulan obyek dengan mentransformasi tanggapan responden mengenai kemiripan objek ke dalam jarak yang direpresentasikan dalam ruang multidimensi. Dalam SPSS, MDS dilakukan melalui menu Analyze > Scale > Multidimensional Scaling dengan memilih
Analisis Multidimensional scaling merupakan salah satu bentuk eksplorasi
data untuk memetakan atau mencari konfigurasi dari sejumlah obyek dalam ruang dimensi rendah berdasarkan ukuran kedekatan antar obyek yang diteliti
MDS (perceptual mapping atau spatial mapping ) adalah sebuah
metode yang dapat membantu peneliti untuk menentukan gambaran dari sekumpulan obyek (perusahaan, produk, ide atau berbagai hal lainnya yang biasanya dikaitkan dengan persepsi). Kegunaan MDS adalah mentransformasi tanggapan responden melalui kemiripan atau preferensinya objek (contoh, preferensi untuk toko atau merk) ke dalam jarak yang direpresentasikan pada ruang multidimensi. Jika obyek A dan B dipandang oleh konsumen sebagai obyek yang mirip satu sama lain dibanding pasangan obyek-obyek yang lain, MDS akan menempatkan A dan B pada jarak yang lebih dekat dibanding jarak pasangan obyek-obyek lainnya dalam ruang multidimensi. Istilah yang berkaitan dengan MDS a. Similarity judgments. Menilai seluruh kemungkinan pasangan data atau stimulus lain dalam batas kemiripannya menggunakan skala Likert. b. Preference ranking. Memperingkat data dari responden. c. Stress. Menetapkan ketidak sesuaian model. Makin tinggi nilai stress, makin tidak sesuai model yang dihasilkan d. R-squared. Indeks korelasi kuadrat yang mengindikasikan proporsi varians optimalitas data skala yang bisa diaplikasi oleh MDS. Ini ukuran kesusian model. e. Spatial map. Menjelaskan hubungan antar merk atau stimuli lain yang digambarkan sebagai hubungan geometrik antar titik pada ruang multidimensi. f. Coordinate. Mengindikasi posisi merk atau sebuah stimuli dalam peta spasial. g. Unfolding. Representasi dari merk dan responden dalam ruang yang sama. Kemiripan / kedekatan objek
d ij =
Ketidak sesuaian
Stress =
Stress (%) Goodness of Fit
20 : Poor 10 : Fair 5 : Good 2,5 : Excellent 0 : Perfect “SPSSing” MDS • In the SPSS Data Editor window, click: Analyze > Scale > Multidimensional Scaling • Select four or more Variables that you want to test. • You may select a single variable for the Individual Matrices for window (depending on the distances option selected). • If Data are distances (e.g. cities distances) option is selected, click on the Shape button to define characteristic of the dissimilarities/proximity matrices.
• If Create distance from data is
selected, click on the Measure button to control the computation of dissimilarities, to transform values, and to compute distances. • In the Multidimensional Scaling dialog box, click on the Model button to control the level of measurement, conditionality, dimensions, and the scaling model.
• Click on the Options button to control the display
options, iteration criteria, and treatment of missing values.